[发明专利]一种基于加权马尔科夫的备件库存定额模型预测方法

说明书

本发明提供一种基于加权马尔科夫的备件库存定额模型预测方法，其特征在于，包括以下步骤：步骤一，利用加权马尔科夫预测备品备件储备定额。步骤二，构造备件需求的初始数列。步骤三，划分状态区间。步骤四，建立状态转移矩阵。步骤五，确定权值。步骤六，输出预测值。本发明的方法能够合理的预测备件需求量，在保证设备正常维修需求的前提下降低备件库存量，对于减少企业资金滞留，提高经济效益，有着重要的意义。

技术领域

本发明涉及备件库存的预测方法，特别涉及资产分类中备品备件定额模型预测方法。

背景技术

针对备件需求预测中数据波动性大，且多集中于较低数量水平，使得预测值偏差较大的特点。传统的备件需求预测方法主要有基于可靠性的预测方法、基于历史数据的预测方法和基于仿真的预测方法。基于可靠性的备件需求预测方法是根据备件失效机理的不同，即不同的备件具有不同的寿命分布，其对备件的寿命分布有比较严格的假设。基于历史数据的备件需求预测方法是以历史需求数据为样本，通过时间序列法、回归预测法等方法，得到备件需求的变化趋势，进而预测将来一段时间内的备件需求量。通过分析影响备件需求的因素，以历史需求数据为样本，实现对备件需求的预测。基于历史数据的预测方法需要大量的历史数据为依据，适用范围受到很大限制，同时在确定影响因素和设定权重值时带有一定的主观性和随机性。

发明内容

本发明的目的在于提一种基于加权马尔科夫的备件库存定额模型预测方法。用于解决目前针对仓储备件需求预测中数据波动性大，且预测值偏差较大的问题。

本发明采用了如下技术方案：

一种基于加权马尔科夫的备件库存定额模型预测方法，其特征在于，包括以下步骤：

步骤一，利用加权马尔科夫预测备品备件储备定额。

步骤二，构造备件需求的初始数列。

步骤三，划分状态区间。

步骤四，建立状态转移矩阵。

步骤五，确定权值。

步骤六，输出预测值。

进一步，本发明的基于加权马尔科夫的备件库存定额模型预测方法，还可以具有这样的特征：

步骤二中，备件需求初始数列构造设初始数列为

X⁽⁰⁾＝{x⁽⁰⁾(t),t＝1,2,....n} (1)

式中：x⁽⁰⁾(t)为第t个周期的备件需求量；n为数列长度。

进一步，本发明的基于加权马尔科夫的备件库存定额模型预测方法，还可以具有这样的特征：步骤三中，划分状态区间的方法如下：

备件需求的变化过程是随机上升或下降的非稳定随机过程，其符合n阶马尔科夫非平稳随机序列

以式(2)为基准，根据备件需求量预测情况，可将预测序列划分为若干个状态区间，记为

E_i＝[E_1i,E_2i],i＝1,2....,n (3)

式中：A_i和B_i分别为状态i的上、下限。

进一步，本发明的基于加权马尔科夫的备件库存定额模型预测方法，还可以具有这样的特征：状态转移矩阵建立的过程如下：设